Modelo RET (Reconhecimento de Emoções no Texto)

Bem-vindo(a) ao Modelo RET, um sistema de Reconhecimento de Emoções no Texto desenvolvido para a comunidade. Este modelo é treinado para categorizar textos em emoções Negativo, Neutro e Positivo, com base na classificação das estrelas (Nota 1 a 5) atribuídas a comentários.

Modelo Pré-treinado BERTimbau

Este modelo é construído com base em um modelo pré-treinado BERT chamado BERTimbau, disponibilizado pelo Hugging Face. O BERTimbau é uma versão do BERT treinada para o idioma português e serve como uma sólida base para tarefas de processamento de linguagem natural, como o Reconhecimento de Emoções no Texto (RET).

Dataset utilizado

Este modelo foi treinado com base em um conjunto de dados composto por 48.000 comentários dos TOP 10 aplicativos mais baixados de 2022 na Play Store. A classificação das emoções foi realizada utilizando a escala de classificação de estrelas (Nota 1 a 5).

Modo de usar

O modelo está disponível como um arquivo binário que você pode baixar e incorporar em seu projeto.

• Baixe o Modelo Binário: Faça o download do arquivo binário do modelo RET disponível aqui. Certifique-se de incluir este arquivo no diretório de modelos do seu sistema.

• Integre o Modelo ao Código: Caso você esteja utilizando o sistema REFT que disponibilizei no github, o arquivo binário deve estar localizado dentro da pasta RET/ativos, seguindo a arquitetura abaixo:

      ├── REFT
      │   ├── REF
      │   └── RET
      │       ├── __pycache__
      │       ├── classificacao
      │       └── ativos
      │           └── best_model_state.bin

Link para o código completo

Se você estiver interessado no código completo, sinta-se à vontade para visitar meu repositório no GitHub: REFT

Contribuição

Sinta-se à vontade para contribuir, relatar problemas ou fazer sugestões para melhorar este projeto. Aceitamos contribuições por meio de pull requests.

Informação Adicional

Este trabalho foi desenvolvido como resultado da tese de graduação da aluna Vanessa Martins da Universidade do Estado da Bahia (UNEB). Para mais detalhes, a monografia completa pode ser consultada no repositório da universidade.

Contato:

E-mail: nessa.martinsgomes@gmail.com